Adam Asquini, Bilgi Yönetimi ve Veri Analitiği Direktörü, KPMG – Röportaj Serisi

Adam Asquini, Edmonton’daki KPMG ofisinde Bilgi Yönetimi ve Veri Analitiği Direktörüdür. Prairie’deki KPMG müşterileri için veri ve gelişmiş analitik projelerini yönetmekten sorumludur. Adam, müşteriler için mümkün olan en iyi sonuçları elde etmek ve ekipleri için ilginç bir çalışma deneyimi sağlamak için yüksek performanslı ekipler oluşturmak ve geliştirmek konusunda tutkulu. Daha önce AltaML’de Müşteri Çözümleri Başkan Yardımcısı, Alberta Hükümeti’nde Program Müdürü ve Kanada Silahlı Kuvvetleri’nde Muhabere Subayı olarak çalışmıştır. AI’a geleneksel olmayan bir kariyer yolu izleyen Adam, çapraz fonksiyonel ekiplerin çeşitliliği ve deneyimini kullanmanın ve herkesin büyüyen AI topluluğuna katılabilmesinin büyük bir savunucusudur.

Adam ile Alberta’nın Edmonton kentindeki yıllık 2023 Upper Bound yapay zekâ konferansında görüştük. Konferansı Amii (Alberta Makine Zekâsı Enstitüsü) düzenliyor.

Geleneksel olmayan bir kariyer yolunuz var, AI’a nasıl girdiğinizi anlatır mısınız?

Kanada Silahlı Kuvvetleri’nde muhabere subayı olarak kariyerime başladım, muhabere subayları, insanların iletişim kurmasına yardımcı olan IT telekomünikasyon sistemlerinden sorumludur. Böylece gerçekten çok radyo uydu vardı. Orada bazı veriler vardı, ancak başlangıçta beni teknolojiye sokan temel altyapı teknolojilerinden sorumluyduk. Kimya mühendisliği okudum ve kendi merakım ve öğrenme isteğimle teknolojiye daldım ve kendimi geliştirdim.

Orduda geçirdiğim 14 yılda pek çok muhabere görevinde bulundum. Üste ve sahada bilişim ve telekomünikasyon hizmetlerini destekledim, karargâhlar kurdum, ön cephedeki birliklerin iletişimini sağladım; orman yangınları ve seller gibi yurt içi operasyonlara da destek verdim. Daha sonra Alberta eyalet hükümetine geçtim. Program yönetiminde bazı hükümet çapında teknoloji girişimlerini inceleyordum. O zaman hükümet, IT’yi merkezileştiriyordu, çeşitli hükümet bakanlıklarıyla birlikte onların hizmetlerini bir araya getirmek ve konsolide etmek için çalışıyordum, orada çok çalıştım ve ayrıca yatırım yönetiminde çalıştım. Ve gerçekten, o çalışmada, bazı organizasyonların verilerini ve analitiklerini kullanmaya başladıklarını görmeye başladım.

Bu gerçekten benim merakımı uyandırdı ve her zaman meraklı ve öğrenmeye aç olduğum için, ya bazı projelere katılma ya da sadece kendi kendine çalışma araçlarını kullanarak, örneğin Coursera veya diğer eğitim araçlarını kullanarak biraz daha öğrenmeye başladım. Çok okudum, araştırma yaptım ve bu araçları sağlayan satıcılar ve platformlar hakkında bilgi edindim. Gerçekten veri ve analitiğe ilgi duymaya başladım ve doğal merakım ve öğrenme isteğimle zaman içinde buna daha da çok dahil oldum.

Coursera dışında, size önerilecek belirli podcast’ler veya kitaplar var mı?

LinkedIn’de birçok takipçiyi takip ediyorum, ancak aklıma gelen birkaç takipçi var, örneğin Emerj. Dan Faggella bu konuda düşünceler liderlik ediyor. Ayrıca bazı ana akım takipçiler gibi HBR ve Forbes takip ediyorum. Bir tanıdığım olan Andreas Welch, SAP’de çalışıyor ve AI ve AI benimsemesi hakkında çok içerik yayınlıyor, onu takip ediyorum. Sanırım podcast’ler konusunda da birkaç tane dinledim ve kitaplar da var. Çok iyi bir kitap okuyordum, Infonomics Doug Laney tarafından yazılmış, eski Gartner ve MIT’den, ve bu gerçekten veri için bir para kazandırma çerçevesi açıklıyor. Kendimi mümkün olduğunca çok şeye dahil etmeye çalışıyorum, ayrıca proje çalışmalarına katılmaya çalışıyorum, daha fazla öğrenmek için.

Askeri deneyiminiz, şu anki rolünüzde size nasıl fayda sağladı?

Birkaç şekilde. Askeriyedeki kariyerimden öğrendiğim bazı temel beceriler, gerçekten iyi bir planlama yaklaşımı, zaman yönetimi ve önceliklendirme. Askeri bir ortamda, gerçekten önemli olan şeyleri öğrenmek ve hızlı bir tempoda çalışmak zorundasınız, seçenekler arasındaki ödünleşimleri ve en iyi hareket tarzını değerlendirmek zorundasınız. Bu becerileri, hızlı bir teknoloji manzarası olan AI’da çok faydalı buluyorum, çok fazla bilgiyi işleyebilmek ve önemli olan şeyleri anlamak için yapılandırılmış bir yaklaşımım var.

Diğer büyük beceri, liderlik ve takım çalışması. Büyük bir organizasyonla çalışıyorsunuz. Sahada ekipler sürekli olarak organize ediliyor ve yeniden organize ediliyor, en iyi grubu bir araya getirmek için görevi tamamlamak, gerçekten güçlü kişiler arası becerilere, liderlik becerilerine, iletişim becerilerine sahip olmak, askeri eğitimde gerçekten vurgulanan beceriler, bunları gerçekten iyi bir şekilde kullanıyorum.

AltaML’de müşteri çözümleri başkan yardımcısı olarak iki yıldan fazla çalıştınız, AltaML nedir ve üzerinde çalıştığınız bazı ilginç projeler nelerdi?

AltaML uygulamalı yapay zeka ve makine öğrenimi şirketidir. Merkezi Edmonton’da; Calgary’de büyük bir ofisi, Toronto’da da bir ofisi var. Diğer şirketlerle birlikte AI’nin merkezindeki yazılımları ve ürünleri geliştiriyorlar, bu bir işletmelere hizmet veren bir B2B şirketidir. Çalıştığım organizasyonun bir parçası, hizmet tarafıydı, petrol ve gaz şirketleri, finansal kurumlar gibi farklı endüstri dikeylerinde çalışıyorduk. Müşterilerle birlikte iş problemlerini tanımlamak ve AI ile çözülebilecek problemleri belirlemek için çalışıyordum, sonra onların verilerini bir araya getirmek, AI modellerini oluşturmak, dağıtmak ve değişim yönetimi tarafında da çalışıyordum, böylece bu organizasyonlar sorunlarını çözebilsinler ve operasyonel hale getirebilsinler.

Müşteri çözümlerinden sorumlu başkan yardımcısı rolündeydim. Başlangıçta proje müdürü olarak AI projelerini yönetiyordum, sonra zaman içinde terfi ettim, ve müşteri çözümleri başkan yardımcısı rolü, teslimat fonksiyonundan sorumluydu, proje kaynaklarının yönetimi, aktif hesap yönetimi, müşteri tarafındaki birçok çalışma benim ekibime düşüyordu.

Projeler açısından, iki buçuk yıl boyunca doğrudan proje yöneticisi, koç veya kalite güvencesi uzmanı olarak onlarca yapay zekâ projesinde çalıştım. En sevdiklerimden biri orman yangınlarıyla ilgiliydi. Alberta yönetimiyle çalıştım. Yangın riskinin orta düzeyde olduğu günlerde belirli bir bölgede yangın çıkıp çıkmayacağını kestirmekte zorlanıyorlardı. Emin olamadıklarında mevcut tüm kaynakları görevlendiriyor; buldozer, uçak ve helikopter gibi pahalı ek kaynakları da sözleşmeyle temin ediyorlardı.

Projenin amacı, belirli bir bölgede ertesi gün yangın çıkma olasılığını tahmin ederek kaynakların en iyi biçimde tahsis edilmesine yardımcı olmaktı. Buna “önleyici hazırlık” diyorlardı; yani kaynakların proaktif biçimde planlanması ve görevlendirilmesi.

Bazı senaryolarda kaynakları azaltabileceğimizi ya da günün belirli saatlerine odaklayabileceğimizi görmek çok ilginçti. Yangını gözden kaçırma riskini önemli ölçüde artırmadan büyük tasarruf sağlanabilirdi; milyonlarca dolarlık bir tasarruf potansiyeli vardı. Bu çalışma hala devam ediyor, şimdi zaman penceresini biraz daha genişletmeye çalışıyorlar, bölgeleri daha küçük ve daha ayrıntılı hale getirmeye çalışıyorlar, kaynakları daha iyi optimize etmek için.

Ayrıca taleplerin işlenmesiyle ilgili olarak da bazı çalışmalar yaptım. Sigorta sağlayıcıları binlerce taleple karşılaşıyor, hangilerinin otomatik olarak onaylanabileceğini, hangilerinin insan tarafından gözden geçirilmesi gerektiğini, veya hangi ekibe yönlendirilmesi gerektiğini belirlemek için çalışıyordum, bu tür çalışmalar da çok önemli ve organizasyonlara çok fazla çaba ve para kazandırabiliyor.

Şu an KPMG’de bilgi yönetimi ve veri analitiği direktörüsünüz, bu rolün kapsamını açıklar mısınız?

İşletmelerle birlikte, sorunlarını veri ve analitik yetenekleri ile çözmelerine yardımcı olmaktayım. Veri stratejisinden başlayarak, raporlama ve analitik, AI ve ML gibi daha geniş bir yelpazede çalışıyoruz. Bu, önceki rolümden daha geniş bir rol, ancak bu da benim öğrenme ve kendimi geliştirme tutkumu ateşliyor.

Direktör olarak genellikle müşterilerin üst düzey yöneticilerine bu yolculukta danışmanlık yapıyor; neler gerekeceğini, projelerin nasıl görüneceğini ve nasıl hazırlanabileceklerini anlatıyorum. Benimseme de önemli bir odak noktası. Özellikle yeni gelişmiş analitik sistemlere çalışanlar bazen olumsuz yaklaşabiliyor. Bu nedenle çözümlerin nasıl uygulanacağı, hangi süreçlere ve yapılara ihtiyaç duyulacağı üzerinde birlikte çalışıyoruz. Kurum içinde projeleri ve proje ekiplerini yönetiyor, doğru öncelikleri belirlemelerine rehberlik ediyor ve projelerde çalışan farklı ekipleri eşgüdümlü hale getiriyorum.

Calgary Herald ile yakın tarihli bir röportajınızda, Alberta’da AI benimsemesinin oldukça fazla olduğunu söylediniz, hangi sektörlerde bunu en çok görüyorsunuz?

Alberta’da farklı sektörlerde AI benimsemesini görüyorum. Enerji sektöründe çok fazla AI kullanılıyor, örneğin, boru hatlarında bakım ve güvenlik kontrollerini optimize etmek için AI kullanılıyor, veya kazı işlemlerinin nerede yapılacağına karar vermek için AI kullanılıyor. Ayrıca tedarik zincirinde de AI kullanılıyor, büyük organizasyonlar birleşmeler ve satın almalar yaptığında, verilerini bir araya getirmekte zorluk yaşıyorlar, AI ile bu verileri organize etmek ve analiz etmek mümkün oluyor.

Güvenlik de önemli bir alan, AI ile güvenlik brifingleri veya güvenlik kontrolleri yapılabiliyor, veya dil modelleri ile en ilgili güvenlik brifingi veya kontrolün belirlenmesi mümkün oluyor. Finansal hizmetlerde de AI kullanılıyor, bankacılık müşterilerine kişiselleştirilmiş deneyim sunmak ve onlara uygun çözümler sunmak için AI kullanılıyor. Sigorta sektöründe de AI kullanılıyor, taleplerin işlenmesi ve otomatik onaylanması için AI kullanılıyor. Ayrıca orman ve doğal kaynaklar yönetimi sektöründe de AI kullanılıyor, uydu görüntüleri ile arazi değişikliklerini tespit etmek ve arazi anlaşmalarını yönetmek için AI kullanılıyor.

Bu gerçekten heyecan verici ve farklı organizasyonlar AI olgunluğunda farklı seviyelerde, bazıları sadece başlıyor veya deneysel çalışıyor, diğerleri daha ileri seviyede, ancak çoğu organizasyon, AI’ye başlamazlarsa veya ilerlemezlerse geride kalacaklarını anlıyor, bu da onlara büyük bir rekabet dezavantajı yaratacak.

Üretken yapay zekâdan söz etmişken, bu teknolojinin geleceği nasıl dönüştüreceğini düşünüyorsunuz?

Bu gelişmeler beni çok heyecanlandırıyor; potansiyeli görüyorum. Üretken yapay zekâ için doğru kontrollerin oluşturulmasının da önemli olduğunu düşünüyorum. Bu teknolojilerin işletmelerde üretkenliği veya verimliliği önemli ölçüde artırabileceği pek çok kullanım alanı var. Az önce sözünü ettiğim tedarik zinciri örneğinde bu tekniklerden bazıları, ChatGPT kamuya duyurulmadan önce bile kullanılıyordu. Geleceğe baktığımda gördüğüm bir başka ilginç eğilim, bu teknolojilerin yaygın kullanılan iş uygulamalarına giderek daha fazla entegre edilmesi. Microsoft (MSFT ), Microsoft Office uygulamalarına entegre edilecek Copilot aracını duyurdu. Tanıtım materyallerinde bir bilgi notu yazmak ve ardından kelime işlemciye «Bu paragrafı kısaltabilir misin?» diye sormak gibi örnekler gördüm. Araç bunu sizin için yapıyor.

Üretken yapay zekâ teknolojileri doğrudan yaygın kullanılan iş uygulamalarına entegre edildikçe, işletmeler bunları nasıl ve ne zaman benimseyeceklerini, nasıl kontrol edeceklerini ve ürettikleri çıktıları kalite güvencesi açısından nasıl izleyeceklerini düşünmek zorunda kalacak. Teknoloji tamamen ayrı bir araç olduğunda benimsemeyi ertelemek veya onu görmezden gelmek daha kolaydır. Ancak iş uygulamalarına ve platformlarına entegre edilmesi, bu tartışmayı ileriye taşıyacak.

Bu gelişmelerin ve teknolojinin sorumlu kullanımına verilen önemin, kuruluşları sorumlu yapay zekâya odaklanmaya da yöneltmesini umuyorum. Doğru süreçlerin ve yönetişimin oluşturulması; çözümlerin etkili biçimde geliştirilmesi, risklerin tüm yaşam döngüsü boyunca yönetilmesi, sonradan kontroller yapılması ve çıktılara güvenilebilmesi için gerekli. Üretken yapay zekâya yönelik mevcut yoğun ilginin, bu yeteneklerle ilgili tartışmayı ilerletmesini umuyorum.

Sorumlu AI ve AI yanlılığını azaltmanın size göre neden önemli olduğunu açıklar mısınız?

Kesinlikle. Bunun birkaç nedeni var. Bu sistemleri geliştiren insanların çoğu yaptıkları işten gurur duyar ve sistemlerinde önyargı bulunmasını istemez. Çalışanların işe bağlılığını, memnuniyetini ve korunmasını sağlamak açısından da buna ihtiyaç vardır. Hukuki açıdan bakıldığında, yapay zekâlarındaki önyargılar nedeniyle hukuki veya düzenleyici sorunlarla karşılaşan kuruluşlar var. Klasik bir örnek, işe alımda yapay zekâ kullanan bir kuruluşla ilgilidir. Veri kümesi erkekler lehine, kadınlar aleyhine aşırı derecede yanlı olduğundan, yapay zekâ kadınlara karşı ayrımcılık yapıyordu.

Bu, Amazon‘un yapay zekâ aracıydı.

Bu tür şeyler zaten oldu ve olabilecek, doğru kontrolleri oluşturmadan. Ayrıca, organizasyonlar için itibar riski var, yanlış yaparlarsa, işlerini büyük ölçüde etkileyebilir. Bu nedenle, gerçekten sorumlu AI’ye odaklanmak kritik.

Çapraz fonksiyonel ekiplerin çeşitliliği ve deneyimini kullanmanın önemine inanıyor musunuz? Neden?

Yapay zekâyla çözülmeye çalışılan sorunlar, hem iş açısından hem de bunların temelindeki veriler açısından çok karmaşık. Tek bir kişinin veya tek bir rolün bütün bu sorunları kendi başına çözmesi mümkün değil. Farklı bakış açılarına ve becerilere sahip, iyi bir çok disiplinli ekip oluşturmak, insanların güçlü oldukları alanlardan yararlanmak için çok önemli. Çeşitliliğin bir başka önemli nedeni de bu sistemlerin son kullanıcılarının çoğu zaman farklı özelliklere sahip insanlardan oluşmasıdır. Sistem geliştirilirken bu bakış açıları ekibe dâhil edilmezse ileride hata yapma veya bazı konuları gözden kaçırma riski doğar. Benim düşünmediğim bir şeyi başka biri düşünebilir ve bu bakış açısını ortaya koyabilir. Sorunları geliştirme aşamasında çözmek ve gerekli düzenlemeleri yapmak, ürün yayımlandıktan sonra yapmaktan daha kolaydır.

Farklı bakış açılarının en iyi diyaloğu oluşturduğuna da inanıyorum. Konuya farklı bir açıdan bakan insanlar çok iyi sorular sorar. Bu, bir meseleye en iyi nasıl yaklaşılacağı konusunda tartışmayı teşvik eder ve o kişi olmasaydı araştırmayacağınız noktaları incelemenizi sağlar. Farklı insanlardan oluşan bir grubun bir soruna birlikte bakması, mümkün olan en iyi sonuca ve çözüme ulaşmayı kolaylaştırır.

AI’de bir sonraki büyük atılımın ne olacağını düşünüyorsunuz?

Üretken yapay zekâ açısından baktığımda, bu teknolojinin yaygın kullanılan uygulamalara daha fazla entegre edilmesinin —ki bu süreç başladı bile— benimsenmesi üzerinde büyük bir etkisi olacağını düşünüyorum. İnsanların zaten kullandığı sistemlerin içinde yer alacak. Bu çok önemli olacak ve insanlar teknolojinin neler yapabildiğini, sınırlarını ve en iyi nasıl kullanılacağını öğrendikçe başka kullanım alanlarının da önünü açabilecek. İnsanlar, «Artık bunun ne tür sorunları çözebildiğini daha iyi anlıyorum. Bizim de şöyle bir sorunumuz var; bunu çözebilmek harika olurdu» diye düşünmeye başlayabilir. Böylece yeni kapılar açılabilir.

Yakın gelecekte düzenleyici politikalarda da önemli bir ilerleme olmasını umuyorum. Yasama ve düzenleme düzeyinde çok hareketlilik olduğunu biliyorum. Ancak işletmelerin de bu konuya nasıl yaklaşmaları gerektiğini ve hangi iç kontrolleri şimdiden oluşturabileceklerini kendi başlarına veya danışmanlık alarak belirlemelerini umuyorum.

Yasaların ve düzenlemelerin hazırlanması uzun zaman alır. İşletmeler bu kontrollerin bazılarını kendi bünyelerinde uygulayarak ve konuyu etraflıca düşünerek büyük değişimler sağlayabilir. Denetimler gibi alanlarda bunun örnekleri var; KPMG de bu konuda çok güçlü. Kontrollerin neler olabileceğini, teknolojiyi nasıl kontrol edeceğimizi ve çıktıları nasıl test edeceğimizi düşünmeliyiz. Halüsinasyonları azalttığımızdan nasıl emin olabiliriz? Model çıktısını ürettikten sonra olası zarar veya riskleri en aza indirmek için hangi ek adımları atabiliriz? Sorulması gereken sorular bunlar. Mevcut yoğun ilginin, sorumlu yapay zekâ konusuna yaklaşımımızda ve doğru yapıları, süreçleri ve ekipleri oluşturmamızda bir dönüm noktası yaratmasını umuyorum.

Harika bir röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular KPMG ziyaret edebilir.